ABSTRACT Introduction: Currently there are organizations that assume a project management model as a structure. The increasing number of projects that are conceptualized and developed generates a large accumulation of data. However, the insufficient capacity for analysis and processing of the data generated makes it impossible to identify information that facilitates decision-making for the main managers. Objective: This research proposes the development of a recommendation system that integrates the Linguistic Data Summarization (LDS). Materials and methods: The research highlights the use of empirical and theoretical scientific research methods. Through the historical-logical analysis, the investigations associated with the use of LDS for the construction of explanations of the recommendations were revealed. A survey was used to corroborate user satisfaction regarding the synthesis of the information stored in the data repository. Results: The generated recommendations increase the possibility that the users interpret the stored data from the integration with explanations constituted by linguistic summaries. Conclusions: The obtained system was valued as very good to be applied to the decision-making problem on the evaluation of projects in software development centers.

RESUMEN Introducción: En la actualidad existen organizaciones que asumen como estructura un modelo de gestión por proyectos. El creciente número de proyectos que se conceptualizan y se desarrollan, genera gran cúmulo de datos. Sin embargo, la insuficiente capacidad de análisis y procesamiento sobre los datos generados, imposibilitan la identificación de información que facilite la toma de decisiones a los principales directivos. Objetivo: La presente investigación propone el desarrollo de un Sistema de recomendación que integra la Sumarización Lingüística de Datos (LDS). Materiales y métodos: En la investigación se destaca la utilización de métodos de la investigación científica empíricos y teóricos; a través del análisis histórico-lógico se revelaron las investigaciones asociadas al uso de LDS para la construcción de explicaciones de las recomendaciones. Se utilizó encuesta para corroborar la satisfacción de los usuarios en cuanto a la síntesis de la información almacenada en el repositorio de datos. Resultados: Las recomendaciones generadas aumentan la posibilidad de que los usuarios interpreten los datos almacenados a partir de la integración con explicaciones constituidas por resúmenes lingüísticos. Conclusiones: El sistema obtenido fue valorado como muy bueno para ser aplicado al problema de toma de decisiones sobre la evaluación de proyectos en centros de desarrollo de software.

ABSTRACT Performance evaluation represents a measure of the trajectory of people over a period of time. In Cuban Higher Education institutions, teachers are evaluated annually. The evaluation process establishes an evaluation proposal based on a set of evaluative criteria. However, this process is carried out using previously defined evaluative models, which makes it difficult to manage information, help decision-making. Problems of this nature have been addressed in the scientific literature using a multi-criteria approach. The present investigation proposes a solution to the problem raised from the implementation of an operator for the aggregation of encoded information in a computer system. The proposed system manages the workflow of the evaluation process, governs the inference process through the use of the OWA information aggregation operator with multiple selectors. It is obtained from the experimental process in a set of evaluations that vary its behavior from the selection criteria of the selected operator.

RESUMEN La evaluación del desempeño representa una medida de la trayectoria de las personas en un período de tiempo. En las instituciones de la Educación Superior de Cuba los profesores son evaluados anualmente. El proceso evaluativo establece, a partir de un conjunto de criterios evaluativos, una propuesta de evaluación. Sin embargo, este proceso es realizado mediante modelos evaluativos previamente definidos lo que dificulta la gestión de la información y la ayuda a la toma de decisiones. Problemas de esta naturaleza han sido abordados en la literatura científica mediante un enfoque multicriterio. La presente investigación propone una solución a la problemática planteada a partir de la implementación de un operador para la agregación de información codificado en un sistema computacional. El sistema propuesto gestiona el flujo de trabajo del proceso de evaluación, rige el proceso de inferencia mediante el empleo del operador de agregación de información OWA con múltiples selectores. Se obtiene del proceso experimental en un conjunto de evaluaciones que varían su comportamiento a partir del criterio de selección del operador seleccionado.

ABSTRACT Introduction: as part of the training process for nurses, physicians and health technologists, topics related to microbiology are enabled. However, based on the set of security measures and the availability of physical resources, the study of various microorganisms is not possible. Objective: to develop a Remote Laboratory System for the practice of the subject Medical Microbiology and Parasitology. Methods: the Remote Laboratory System has an electronic microscope controlled by a communication interface with a computer connected to the network. Results: a Remote Laboratory System that can be accessed through the Internet or the institutional network. The system facilitates the study and interpretation of different biological samples and also provides a set of reports and statistics that allow for historical behavior analysis. Conclusions: from the development of remote laboratory practices, it is possible to study different microorganisms without biological risks for the student.

RESUMEN Introducción: como parte del proceso de formación de enfermeros, médicos y tecnólogos de la salud son habilitados temas relacionados con la microbiología. Sin embargo, a partir del conjunto de medidas de seguridad y la disponibilidad de recursos físicos, no es posible el estudio de diversos microorganismos. Objetivo: desarrollar un Sistema de Laboratorios Remoto para la práctica de Microbiología y Parasitología Médica. Materiales y métodos: el sistema de Laboratorios Remoto posee un microscopio electrónico controlado mediante una interface de comunicación con un ordenador conectado a la red. Resultados: se obtuvo como resultado un Sistema de Laboratorios Remoto que puede ser accedido mediante Internet o la red institucional. Facilita el estudio y la interpretación de diferentes muestras biológicas. Brinda un conjunto de reportes y estadísticas que permiten realizar análisis históricos de comportamiento. Conclusiones: a partir del desarrollo de las prácticas de laboratorios a distancia, es posible el estudio de diferentes microorganismos sin riesgos biológicos para el estudiante.

ABSTRACT Introduction: the process of evaluating the performance of human resources in medical projects is subject to considerable levels of subjectivity, which generates uncertainty when making decisions. Problems of this nature, where the evaluation and classification of alternatives is included in the process, can be addressed through Computing with Words. Objective: to develop a method for evaluating the performance of human resources in medical projects using Computing with Words. Method: linguistic data sets are used to improve the interpretation of the results. The 2-tuple-based linguistic information representation model is used in the treatment of uncertainty. The information processing was performed using the Ordered Weighted Average information aggregation operators that allow the aggregation of information according to predefined parameters obtaining a representative value. Results: a method of decision support is obtained, based on Computing with Words. The method was implemented to manage the uncertainty in the process of evaluating the performance of human resources in medical projects based on the evaluation and classification of alternatives. Conclusions: the implementation of the proposed method allows evaluating and classifying human resources according to their performance.

RESUMEN Introducción: el proceso de evaluación del desempeño de los recursos humanos en proyectos médicos está sujeto a niveles considerables de subjetividad, lo cual genera incertidumbre a la hora de tomar decisiones. Problemas de esta índole donde se incluye la evaluación y clasificación de alternativas en el proceso, pueden ser abordados a través de la Computación con palabras. Objetivo: el objetivo del presente trabajo es desarrollar un método para la evaluación del desempeño de los recursos humanos en proyectos médicos mediante computación con palabras. Materiales y métodos: se utilizan los conjuntos de datos lingüísticos para mejorar la interpretación de los resultados. Se emplea el modelo de representación de la información lingüística basado en 2-tuplas en el tratamiento de la incertidumbre. El procesamiento de la información se realizó mediante los operadores de agregación de información Promedio Ponderado Ordenado que permiten la agregación de información de acuerdo a parámetros predefinidos obteniéndose un valor representativo. Resultados: se obtiene un método de apoyo a la toma de decisiones basado en la computación con palabras. El método propuesto fue implementado para manejar la incertidumbre existente en el proceso de evaluación del desempeño de los recursos humanos en proyectos médicos a partir de la evaluación y clasificación de alternativas, basado en computación con palabras. Conclusiones: la implementación del método propuesto, permite evaluar y clasificar a los Recursos Humanos según su desempeño.

ABSTRACT Introduction: Different populations coexistence scenarios are very complex, which contributes to the spread of diseases. Diagnosing infectious diseases early is a critical task in reducing its spread and preventing epidemics. However, inconsistency in population data and the inability to have timely diagnosis in many cases result in the proliferation of pandemics such as COVID-19. Objective: Develop a support system for COVID-19 medical diagnostic from modeling causal relations of diagnostic criteria, to form the diffuse cognitive map. Methods: Theoretical, empirical and statistical methods were used for the development of the research, such as: analytical-synthetic, inductive-deductive, hypothetical-deductive, modeling. As an empirical method, the semi-structured interview was used with the intention of collecting information that would include unprescribed contents and require expert knowledge of the main indicators for decision-making in COVID-19 medical diagnosis. Results: The system works through a diffuse cognitive map to model causal relationships that represent the inference´s basis. Artificial intelligence techniques are used as a basis for medical diagnosis. A demonstrative example is presented for COVID-19 medical diagnosis in which are modelled the causal relations of the different concepts that the disease describes. Conclusions: The designed system is a viable support tool for decision-making in COVID-19 medical diagnosis, which allows to obtain evaluative criteria from the modelling of causal relations, and this makes it extendable to other types of health emergencies situations.

RESUMEN Introducción: Los escenarios de convivencia de las diversas poblaciones son muy complejos, lo que contribuye con la propagación de enfermedades. Diagnosticar tempranamente enfermedades infecciosas representa una tarea fundamental para disminuir su propagación y evitar epidemias. Sin embargo, la inconsistencia en los datos de poblaciones y la imposibilidad de contar con un diagnóstico oportuno en muchos casos trae como consecuencia la proliferación de pandemias tales como la COVID-19. Objetivo: Desarrollar un sistema de apoyo al diagnóstico médico para COVID-19 a partir de la modelación de las relaciones causales de los criterios de diagnóstico, para conformar el mapa cognitivo difuso. Métodos: Para el desarrollo de la investigación se utilizaron métodos teóricos, empíricos y estadísticos, tales como: analítico-sintético, inductivo-deductivo, hipotético-deductivo, modelación. Como método empírico se utilizó la entrevista semiestructurada con la intención de recoger información que permitiera incluir contenidos no prescritos y precisar el conocimiento de los expertos sobre los principales indicadores para la toma de decisiones en el diagnóstico médico de la COVID-19. Resultados: El sistema funciona a través de un mapa cognitivo difuso para modelar las relaciones causales que representan la base de la inferencia. Se utilizan técnicas de inteligencia artificial como base al diagnóstico médico. Se presenta un ejemplo demostrativo para el diagnóstico médico de la COVID-19 en el que se modelan las relaciones causales de los diferentes conceptos que describen la enfermedad provocada. Conclusiones: El sistema diseñado constituye una herramienta viable de apoyo a la toma de decisiones en el diagnóstico médico de la COVID-19, que permite obtener criterios evaluativos a partir de la modelación de las relaciones causales, esto lo hace extensible a otros tipos de situaciones de emergencias sanitarias.

ABSTRACT Introduction: Different populations coexistence scenarios are very complex, which contributes to the spread of diseases. Diagnosing infectious diseases early is a critical task in reducing its spread and preventing epidemics. However, inconsistency in population data and the inability to have timely diagnosis in many cases result in the proliferation of pandemics such as COVID-19. Objective: Develop a support system for COVID-19 medical diagnostic from modeling causal relations of diagnostic criteria, to form the diffuse cognitive map. Methods: Theoretical, empirical and statistical methods were used for the development of the research, such as: analytical-synthetic, inductive-deductive, hypothetical-deductive, modeling. As an empirical method, the semi-structured interview was used with the intention of collecting information that would include unprescribed contents and require expert knowledge of the main indicators for decision-making in COVID-19 medical diagnosis. Results: The system works through a diffuse cognitive map to model causal relationships that represent the inference´s basis. Artificial intelligence techniques are used as a basis for medical diagnosis. A demonstrative example is presented for COVID-19 medical diagnosis in which are modelled the causal relations of the different concepts that the disease describes. Conclusions: The designed system is a viable support tool for decision-making in COVID-19 medical diagnosis, which allows to obtain evaluative criteria from the modelling of causal relations, and this makes it extendable to other types of health emergencies situations.

RESUMEN Introducción: Los escenarios de convivencia de las diversas poblaciones son muy complejos, lo que contribuye con la propagación de enfermedades. Diagnosticar tempranamente enfermedades infecciosas representa una tarea fundamental para disminuir su propagación y evitar epidemias. Sin embargo, la inconsistencia en los datos de poblaciones y la imposibilidad de contar con un diagnóstico oportuno en muchos casos trae como consecuencia la proliferación de pandemias tales como la COVID-19. Objetivo: Desarrollar un sistema de apoyo al diagnóstico médico para COVID-19 a partir de la modelación de las relaciones causales de los criterios de diagnóstico, para conformar el mapa cognitivo difuso. Métodos: Para el desarrollo de la investigación se utilizaron métodos teóricos, empíricos y estadísticos, tales como: analítico-sintético, inductivo-deductivo, hipotético-deductivo, modelación. Como método empírico se utilizó la entrevista semiestructurada con la intención de recoger información que permitiera incluir contenidos no prescritos y precisar el conocimiento de los expertos sobre los principales indicadores para la toma de decisiones en el diagnóstico médico de la COVID-19. Resultados: El sistema funciona a través de un mapa cognitivo difuso para modelar las relaciones causales que representan la base de la inferencia. Se utilizan técnicas de inteligencia artificial como base al diagnóstico médico. Se presenta un ejemplo demostrativo para el diagnóstico médico de la COVID-19 en el que se modelan las relaciones causales de los diferentes conceptos que describen la enfermedad provocada. Conclusiones: El sistema diseñado constituye una herramienta viable de apoyo a la toma de decisiones en el diagnóstico médico de la COVID-19, que permite obtener criterios evaluativos a partir de la modelación de las relaciones causales, esto lo hace extensible a otros tipos de situaciones de emergencias sanitarias.